陈思远 · 音视频算法工程师

针对VoIP实时通信场景中的背景噪声与回声，基于谱减法与自适应维纳滤波，主导设计可裁剪的音频降噪模块，在ARM Cortex-A7平台上将稳态噪声抑制达18dB，算法延迟控制在8ms内，CPU占用率仅12%。

• 为解决双向通话时回声滤波器发散问题，设计结合双端检测与归一化最小均方（NLMS）的自适应回声消除方案，通过优化步长控制策略使终端侧ERLE达到32dB，并在Matlab中完成200+组噪声场景仿真验证，确保全双工通话质量。

• 针对移动设备算力受限，利用C++重写核心滤波器与FFT运算，使ARM架构下执行效率提升40%，集成到产品原型后，音频预处理方案在低端硬件上稳定运行，显著降低因性能不足导致的丢包和卡顿。

• 构建包含5种典型噪声场景（车辆、办公室、街道、餐厅、风噪）的测试声库，开发自动化评估脚本，以不同信噪比下的MOS分作为调优依据，使混响环境下主观听感评分从2.8提升至4.1（5分制），支撑产品在客户现场的落地验收。

面对移动端视频实时编码性能瓶颈，主导基于ARM NEON指令集的H.264编码器优化，重写运动估计与DCT变换模块，使编码速度提升42%，功耗降低18%，并在3款主流SoC上通过稳定性验证。

• 为解决4K视频HEVC实时转码高延迟，利用CUDA并行架构重构x265运动估计与模式决策逻辑，将编码延迟从180ms压缩至58ms，吞吐量提升2.6倍，支撑单台GPU服务器处理8路4K流。

• 针对直播场景H.265编码质量劣化，设计自适应量化参数（QP）调整算法，结合人眼视觉特性与场景切换检测，在相同码率下PSNR提升0.9dB，BD-Rate降低13%，集成到公司核心转码管线。

• 为满足多平台兼容需求，构建基于SIMD（x86 SSE/AVX）与ARM NEON的跨平台H.264解码加速库，解码吞吐量提升55%，内存占用减少30%，支持Android/iOS/Windows三端统一接口。

主导基于WebRTC框架的自适应码率算法，融合改进的Google拥塞控制（GCC）与自研带宽估计模型，在30%丢包率下视频通话卡顿率降低42%，平均码率波动幅度减少32%。

• 开发动态FEC冗余编码策略，根据实时网络时延与丢包率自动调整冗余比例，使端到端延迟稳定在150ms内，视频PSNR提升2.3dB，媒体传输成功率提高至99.5%。

• 使用C++实现核心拥塞控制模块，搭建Python自动化仿真测试平台，覆盖120+种网络拓扑场景，在20%丢包率下视频流畅度提升38%，带宽利用率提高25%。

• 设计基于LightGBM的带宽预测模型，结合网络特征与历史趋势提前调整码率，将码率切换频率降低60%，有效消除视觉抖动，主观MOS评分提升0.8分。

• 作为算法专家重构音视频传输管道，将自适应码率决策周期从500ms压缩至100ms，带领3人团队完成全链路集成，支撑日活用户增长至500万以上。

主导研发基于GAN的深度学习视频超分辨率算法，针对1080p输入提升至4K分辨率，PSNR提升3.2dB、SSIM提升0.08，覆盖韵达云直播平台日均500万+视频流。

• 使用TensorRT与ONNX Runtime对超分模型进行推理优化，GPU端单帧处理延迟从120ms降至28ms，满足实时推流需求，节省30%算力成本。

• 设计自适应画质增强管线，集成去噪、锐化与色彩校正模块，在弱光场景下信噪比提升6.5dB，用户主观评分（MOS）提高0.7分。

• 构建自动化数据集生成与模型迭代流程，利用退化仿真与GAN对抗训练，使超分模型在压缩伪影修复任务中BD-Rate降低12.5%。

• 作为技术负责人，带领3人小组完成从算法原型到线上服务的全链路落地，通过A/B测试验证画质提升带来用户停留时长增加8.2%。

主导设计下一代沉浸式音频系统架构，提出基于深度学习的三维空间音频渲染管线，在8ms块延迟下实现64通道双耳输出，用户临场感评分提升40%。

• 针对AV1实时编码在沉浸式视频场景的瓶颈，创新引入感知驱动码率分配与帧级并行优化，使4K/60fps编码耗时降低35%，同等码率下VMAF提升12%。

• 构建VP9自适应流媒体传输方案，融合实时网络波动预测与QoE多目标优化模型，在20%丢包环境下保持95%以上流畅播放率。

• 设计实时通信QoE闭环反馈系统，聚合音频空间化失真、视频帧率波动、端到端延迟等16项指标，异常定位耗时从分钟级压缩至5秒内。

• 领导跨职能团队完成新一代沉浸式音视频SDK架构设计，支持AV1/VP9/空间音频无缝协同，上线后业务端月均通话时长增长180%。

在云帧科技期间，独立领导开发了跨平台实时音频处理引擎，针对Windows、Linux及macOS三端统一架构，引入Opus与G.711动态切换策略，使端到端编码-传输-解码总延迟从行业平均120ms降至38ms，支撑日均百万级实时通话场景。

• 基于C++14与SIMD指令集对G.711 μ-Law/A-Law编解码进行纯软件优化，单核处理32路音频流的CPU占用降低62%；针对Opus FEC参数自适应调优，在5%丢包率下语音MOS分提升0.7至4.2。

• 设计并实现引擎的零拷贝音频流水线，通过环形缓冲区与内存池技术减少内存分配开销，在低端ARM设备（如树莓派4）上仍能维持10ms帧长下99.98%的实时处理成功率。

• 自主研发基于卡尔曼滤波的网络抖动缓冲区，动态调整深度为20~80ms，结合Opus的PLC（丢包隐藏）算法，将听感卡顿率压制至0.15%以下，显著优于同期WebRTC默认策略。

• 封装统一音频I/O接口对接ALSA、CoreAudio、WASAPI，发布时附带Python/C API绑定，支持外部算法插件热加载，内部测试覆盖200+场景，核心模块代码复用率超90%。

• 引擎上线后应用于公司内部低延迟语音SDK，支撑日均1.5亿分钟实时通话，同时兼容VoLTE与传统SIP协议栈，获公司年度技术创新奖，并被后续三款产品直接采用。

作为技术负责人，在2021年6月至2022年2月期间主导搭建视频编解码自动化测试与优化平台，覆盖H.264/H.265及AV1编码器，通过集成RDO（率失真优化）参数调优与多目标码率控制算法，在超5万条测试序列中实现PSNR平均提升1.2 dB、SSIM提高0.03，编码效率提升20%。

• 设计并实现基于VMAF的自动化回归测试流程，结合10余种主观质量模型与编码复杂度监测，在保证主观评分不低于95分的前提下，将编码比特率降低15~18%，单序列测试周期从人工2天缩短至自动化2小时。

• 针对不同分辨率与运动场景，构建自适应码率控制模块，引入分层QP调整与场景切换检测，使动态场景下码率波动降低40%，直播流中峰值信噪比稳定性提高25%。

• 开发编码器性能仪表盘，实时回传PSNR、SSIM、VMAF及编码时长等20余项指标，促成团队快速定位编码劣化根因；平台上线后支撑6个产品线迭代，编码优化迭代速度提升3倍。

因主导实时通信自适应码率算法获得该奖项。

因分享沉浸式音频技术获得该奖项。